人脸识别技术在智慧校园建设中的应用探究

摘要：随着教育数字化转型工作的不断推进，物联网、人工智能及人脸识别技术在构建智慧校园体系中的作用越发凸显。人脸识别技术的唯一性和非接触性技术优势提高了人员信息采集的质量和效率，有效促进了教育教学管理服务模式的变革。针对采集模式管理服务的不足，文章探究了人脸识别系统的构建和在智慧校园建设中的应用。同时，结合教育、教学、管理和服务等场景，分析了智慧教学管理、智慧安防和智慧后勤三个领域的应用。这些应用探究不仅丰富了智慧校园的研究内容，也为推进教育数字化转型提供了切实可行的方案借鉴。

关键词：人脸识别技术；物联网；智慧校园；应用探究

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2024）31-0021-03

开放科学（资源服务）标识码（OSID） ：

当前正在全面推进智慧校园体系建设，不断推进数字技术在学校的应用。促进教育数字化转型，推动教育教学管理服务模式的变革，构建适应数字时代的人才培养体系，可以提升学校治理水平和办学质量。在传统实体卡应用模式中，经常出现不带卡、丢卡等问题，导致管理服务不足的情况。为了应对这些问题，人脸识别技术在智慧校园建设中得到广泛应用，例如公寓管理、消费、考勤、门禁管理、行为轨迹分析和同行分析等方面。然而，在实际应用中，经常会遇到一些问题，例如需要针对每个业务构建相应的人脸信息库，资源无法共享共用，一些采用照片比对的方法识别性差，比对精度低，容易出现信息泄漏等问题。因此，构建一个安全综合共享的人脸识别系统成为学校信息化发展的方向。本文探究了如何构建基于人脸识别技术的智慧校园共享平台，通过共享中心在智慧校园安全管理和服务等方面应用人脸信息，以推进教育数字化转型。

1 人脸识别技术的概述

人脸识别技术是一种基于人的脸部特征信息进行身份识别的生物识别技术[1]。它通过摄像机、人脸识别面板或手机等设备采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，然后对检测到的人脸进行脸部识别。人脸识别技术也被称为人像识别或面部识别技术。

人脸识别技术已经发展了近30年，并且近年来出现了基于主动近红外图像的多光源人脸识别技术，取得了出色的识别性能。在精度、稳定性和速度方面，这种技术整体系统性能超过了三维图像人脸识别，使得人脸识别技术逐渐实用化。人脸识别具有两个特点：一是唯一性，也就是说很难被复制；二是非接触性，识别过程无须接触。然而，人脸信息容易泄漏，因此具有更高的安全性要求。目前，人脸识别技术已广泛应用于金融、安防和教育行业，并且在未来仍将是应用的发展方向。

2 智慧校园建设概述

智慧校园建设是指利用信息技术和数据分析，在各种应用服务系统的支持下，实现校园管理、教学和服务的智能化，以提升教育质量和效率，促进师生创新能力和综合素养的一种教育模式[2]。

首先，在智慧校园建设中，需要进行统筹规划和分步实施。在规划过程中，需要明确建设目标，选择适合的技术方案，并充分考虑校园的特点和需求，确保建设方案的科学性和可行性。同时，人脸信息平台的构建也需要进行整体规划，建立统一的人脸信息服务平台，供门禁、消费和安防等方面共享和共用。其次，智慧校园建设涉及基础网络、大数据、物联网、人工智能和人脸识别等多个领域和技术的融合应用。通过这些技术的综合运用，可以实现校园内各项业务的全面感知、互联互通和智能决策，从而提升校园管理和服务水平。

3 人脸识别技术在智慧校园建设中技术原理

3.1 人脸识别技术在智慧校园中总架构

人脸识别技术在智慧校园系统中总架构如图1所示，可分为感知层、网络层、服务层、平台层、应用层五部分[3]。

感知层：主要负责人脸信息的采集。包括人脸识别摄像机、人脸识别抓拍机、人脸识别面板机、人脸识别闸机和人证比对终端等设备。这些设备主要实现图像采集、编码和视频传输等功能。人脸识别抓拍机在摄像机前端内置了智能分析算法，能够自动捕获、跟踪和抓拍视频中的人脸。同时，它还具备人脸区域自动曝光优化和人脸小图优化处理等功能，以获取最佳的人脸图像。

网络层：主要负责将感知层获取到的数据转换为数字信号，并进行传输到其他设备或云平台。该层采用各种通信技术，如校园局域网、以太网、Wi-Fi和5G 等，实现数据的实时传输和互联互通。

服务层：负责人脸信息的检测、计算和分析，包括人脸检测、人脸识别、活体检测、行为分析和属性分析。其中，人脸检测用于检测并定位视频流或图片中的人脸，并返回高精度的人脸框坐标。人脸识别是指实现视频流中人脸检测、关键点定位和人脸识别功能的毫秒级响应，使人脸识别技术能够在实际场景中实现非配合式快速处理。活体检测则是用于实现对关键点实时标注和变化的检测，在线上和线下场景进行实名验证过程中，能够防御照片攻击、切换攻击、面具攻击和遮挡攻击。行为分析是根据视频监测到的人物动作和持续时间等信息，通过行为分析算法实现行为识别。属性分析则涉及一系列与人脸相关的属性分析，包括年龄、性别、头部朝向、情绪、颜值、视线和皮肤状态等属性。

平台层：主要涉及业务系统的应用。包括智慧校园各个业务场景中人脸识别技术所应用的信息化系统平台，例如智慧出入口管理系统、智慧考勤系统和智慧安防系统等。

应用层：主要展示各业务系统的数据。包括各系统数据的展示、人员画像、轨迹分析和日志审计等功能。

运维体系负责及时预警和处理故障，以确保系统的稳定运行。安全体系确保安全和隐私保护，考虑到视频数据的敏感性，采取数据加密、访问控制和身份验证等安全措施，以保护数据的安全性和隐私性，防止未经授权的访问和使用。

3.2 人脸信息采集平台构建

智慧校园人脸信息采集平台旨在建立一个统一管理人脸信息的平台，基于姓名、学工号、一卡通号、院系、专业等基础信息。该平台提供安全、规范、高效的管控措施，用于人脸信息的采集、传输、存储和管理，并且未来还可扩展至指纹、虹膜和静脉信息等。图2展示了人脸信息采集的架构图。在进行人脸信息采集之前，需要与学校的人员基础信息系统进行对接，如与一卡通系统接口对接，快速同步导入校内人员的基础信息，例如姓名、学工号、一卡通号等，以便为生物信息采集做好准备。

人脸信息采集可以通过线上采集和线下采集两种方式进行。线上采集利用前端人脸信息采集设备，可以通过移动端自助采集、统一身份认证采集、企业微信采集和钉钉采集等方式进行。而线下采集则通过人证核验采集和PC端集中采集的方式进行，将校内人员的生物信息进行采集并上传至系统。

采集到的人脸信息库可以分为人脸照片库和特征库。人脸照片信息库保存未经算法处理的照片信息。而人脸特征信息库则包含经过算法服务器处理并加密的人员照片信息所得到的人脸特征值，其安全性更高。为适配不同业务系统和不同品牌型号的终端设备，需采购相应品牌型号的算法，以获取不同的特征信息。基于人脸特征信息库，可以构建一个统一的管理平台，集成学生、教职工基本信息、学工号、一卡通号和人脸等信息。在智慧化应用方面，接口对接需要通过授权为智慧系统应用提供人脸特征信息数据。

3.3 人脸识别技术比对方案设计

人脸识别比对可以分为1∶1和1∶N识别两种情况。1∶1比对解决的是物理人和证件信息是否匹配的问题，旨在确保合规性，即验证一个人是否与其证件信息相符。这种方式主要用于身份核验，例如统一身份认证登录、OA审批实名核验、隐私应用安全锁和新生身份核验等场景。而1∶N比对则是在一个底库中识别出照片或视频中的人是谁，解决的是“你是谁”的问题。根据比对照片来源的不同，1∶N比对可以分为静态1∶N（通过照片和底库进行识别）和动态1∶N（通过视频流和照片进行识别）两种方式。这种方式主要应用于认证、分析等场景，例如门禁和轨迹分析等。

人脸识别比对模式分为中心比对和终端比对两种方式。中心比对不需要下发人脸特征值和照片信息。在该模式下，业务终端摄像头拍摄底片后，无需下发人脸特征值，而是根据要求提供账号和采集照片，或者将两张照片传输到后端进行比对，然后返回比对结果。另一种方式是提供一张照片，在后端的人像库内进行比对，然后将最匹配的人员信息返回到前端。中心比对模式下，人脸识别终端无需计算能力或不需要进行计算的设备，通过结构化摄像机等智能终端进行中心比对，具有较高的安全性，但对网络质量要求较高，需要保持实时交互。比对结果反馈给大数据中心和应用平台，但在不同项目采购中需要相应的算法。

终端比对则是指人脸识别终端具备自带的人脸计算能力，可以直接进行前端比对，例如人脸抓拍摄像机、通道门禁面板或消费终端等，然后将结果传回应用系统。这种模式可以脱机运行，但缺点是安全性较低。人脸信息的传输方式有两种，一种是服务器将照片分批推送到比对终端，终端会分批接收照片，计算特征值，并删除原始照片。这种方式的优点是项目可以分批建设，采购不同品牌不同型号的终端，只需统一的照片信息库即可实现。缺点是照片传输量大，信息更新速度慢，且传输安全性较低。另一种方式是由算法服务器将加密照片或特征值转化为特征信息，并推送到终端设备。如图3所示，人脸照片信息由算法服务器和不同算法处理，然后将加密照片或特征值推送到终端设备，以便在终端直接进行比对。

3.4 人脸识别系统安全性设计

人脸信息的采集和应用安全性尤为重要，需要在合法合规和技术方面进行安全设计。

首先，在用户授权和管理方面，需要符合《中华人民共和国网络安全法》《中华人民共和国个人信息保护法》《中华人民共和国数据安全法》《中华人民共和国数据密码法》《关键信息基础设施安全保护条例》等相关法律和数据安全技术体系的要求。学校应制定人员信息安全、数据安全等相关管理制度，加强个人信息安全管理体系和数据安全管理体系的建设。

其次，在技术防范措施方面，需要进行安全设计。人脸识别数据安全保护系统作为人脸识别场景的顶层架构，可以解决人脸识别领域内的数据管理和数据安全问题。在比对方式上，通常应优先考虑使用中心比对，而不是终端比对。如果使用终端比对，应首选下发特征值，然后再考虑下发经过加密处理的照片。无论是下发特征值还是底片，都需要对个人信息进行去标识化处理。

此外，还需要进行算法参数设置设计。在与各厂商的人脸识别算法进行绑定时，需要设置算法的时标照片要求，并进行基本照片设置和人脸识别参数设置。

在数据传输和管理方面，需要进行加密和权限管理。系统应为每个第三方建立独有的授权ID和授权密钥，用于验证第三方的身份，并使用独有的密钥对数据进行加密传输。数据传输支持国密SM4算法加密，并使用动态方式生成每次请求的对应密钥，不直接传输密钥。为防止数据被篡改或第三方冒名顶替，可使用数字指纹进行数据防篡改。

另外，还可以设计数字水印功能。在数据下发时，支持可视化水印和数字隐形水印的添加。如果底片发生泄露，可以通过水印解析功能进行解析，获取底片中的透明水印（批次号）。通过该批次号，可以在系统中进行溯源查询，获取底片的授权、下发和销毁等信息。

4 人脸识别技术在智慧校园中的应用

人脸识别技术在智慧校园中的应用主要包括智慧教学系统、智慧安防系统、智慧后勤系统。

4.1 人脸识别技术在智慧教学中的应用

在课堂教学管理中，可以安装人脸识别电子班牌或在教室安装点名摄像机，通过中心比对方式获取学生的上课考勤情况，以实现实时了解师生的出勤情况。同时，人脸识别点名摄像机还可以进行行为分析，例如判断学生是否认真听课等，教学督导部门可以通过这些数据来评价教师的教学质量。这样可以实现学生、教师和学校之间的信息互通，及时传递课程和考勤等信息，有效提高教学管理的效率、教育质量评价的合理性和教学信息传递的及时性。通过多方参与和交互，使教学安排管理更加方便、科学、有效和合理。

4.2 人脸识别技术在智慧安防中的应用

在智慧安防中，可以利用结构化摄像机实时获取人脸信息数据，并反馈至技战模型服务器和人脸信息中心，采用中心比对方式，为应用平台提供信息[4]。具体来说，可以建立两种模型。首先是频次分析和同行分析模型。基于存档的人脸和人体数据，综合计算关联同行人在过去N天内的同行总次数。通过大数据频次分析和N天未出现的情况分析，当发现学生N天未出现时，能够及时通知老师。通过同行分析和关系人研判，可以提前预警学生是否有结交社会不良组织的倾向，从而保障学生在校期间的安全。其次是独行分析模型。通过统计分析某特定区域内某个学生的出现频次，基于该学生的人员特征数据，计算目标学生的独行次数及地点，例如在湖边或楼顶等地方独自出现的情况。针对有独行倾向的学生进行综合检索，可以及时关注学生的心理问题，并进行及时预警。